本文采用意念力游戲訓練對輕度認知功能障礙人群進行干預治療，輔助改善其腦認知功能狀態。研究共采集了 40 名受試者訓練前及兩次訓練后的腦電數據，并分析了腦電信號的連續復雜度特征，評估腦認知功能狀態，探討意念力游戲訓練對腦認知功能狀態的改善效果。結果顯示，經過兩次訓練后，受試者腦電信號連續復雜度有所升高（0.012 44 ± 0.000 29，P < 0.05），曲線波動幅度逐漸減小，表明隨訓練次數增加，腦電信號連續復雜度顯著提升，腦認知功能有明顯改善且狀態穩定。本文的研究結果可以表明，意念力游戲訓練可以改善腦認知功能狀態，該結果或可為今后輔助干預腦認知功能障礙提供支持與幫助。
針對提高情感識別正確率這一國際開放問題，本文提出了一種基于小波包熵和自回歸模型相結合的腦電信號特征提取算法。自回歸過程能最大程度逼近腦電信號，用很少的自回歸參數提供豐富的譜信息。小波包熵反映腦電信號在各個頻帶中的譜能量分布情況。將二者結合，能夠更好地體現腦電信號的能量特征。本文基于核主成分分析方法，實現了腦電信號特征提取融合。課題組采用情感腦電國際標準數據集（DEAP），選取 6 類情感狀態以本文算法進行情感識別。結果顯示，本文算法情感識別正確率均在 90% 以上，最高情感識別正確率可達 99.33%。本文的研究結果表明，該算法能夠較好地提取腦電信號情感特征，是一種有效的情感特征提取算法。
本文針對傳統多尺度熵在多尺度化過程中信息丟失問題，提出一種加權多重多尺度熵特征提取算法。該算法在各尺度上構建了從大到小的多重數據序列，考慮多重數據序列對該尺度樣本熵的貢獻程度不同，計算各個序列在該尺度序列中所占比重，以此作為系數重構各尺度樣本熵。相比于傳統多尺度熵算法，該算法不但克服了信息丟失問題，還充分考慮了序列的相關性與對總熵值的貢獻程度，減小了尺度間的波動，更能挖掘腦電信號的細節信息。基于該算法，本文分析了孤獨癥（ASD）兒童腦電信號特征，與樣本熵、傳統多尺度熵及延擱取值法多重多尺度熵算法比較，分類準確率分別提高了 23.0%、10.4% 與 6.4%。基于該算法對比分析孤獨癥兒童與對照組健康兒童的 19 通道腦電信號，結果表明除 FP2 通道外，其余通道的熵值均顯示健康兒童略高于孤獨癥兒童，且 F3、F7、F8、C3、P3 通道的熵值差異具有統計學意義（P<0.05）。本文通過對各個腦區加權多重多尺度熵進行分類，發現前顳葉區域通道（F7、F8）的分類準確率最高，表明前顳葉可以作為評估孤獨癥兒童腦功能狀態的敏感腦區。
閾下抑郁是指達不到抑郁癥診斷標準的以抑郁心境為主的心理亞健康狀態，適度干預可以改善其狀態，降低病情發展風險。本文針對音樂神經反饋改善大學生閾下抑郁狀態展開研究。24 名閾下抑郁大學生參與本次試驗，其中 16 名為試驗組成員。采用基于頻譜分類的解壓類音樂對 16 名試驗組成員進行 10 min/d，周期為 14 d 的音樂神經反饋刺激，8 名對照組成員不做任何刺激。本文提取并分析受試者腦電信號的相對功率、樣本熵、復雜度共 3 個特征參數。研究結果表明，經音樂神經反饋刺激后，試驗組人員的 α、β、θ 節律相對功率增大，δ 節律相對功率減小；樣本熵和復雜度均顯著提高，且差異具有統計學意義（P < 0.05）；對照組特征參數差異均無統計學意義。試驗組經音樂神經反饋刺激后，抑郁自評量表（SDS）得分減少，表明抑郁情緒得到改善。本研究結果表明，音樂神經反饋刺激可以改善閾下抑郁情緒，今后或可為大學生情緒自我調節提供一種有效的新思路。